[發明專利]商品大數據并行云平臺推薦精準推送系統

在審

• 申請號: 202210727428.0
• 申請日: 2022-06-25
• 公開（公告）號: CN115099893A
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 彭博
• 申請（專利權）人: 彭博
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請針對商品推薦方法涉及大量的迭代運算，在并行云平臺上搭建并改進商品推薦系統，解決了分離云推薦在評分稀疏時推薦精度不高的問題，分階段提出兩個層級的改進方法，分別是基于n個近似用戶近似度加權的分離云推薦和基于標簽的近似度加權分離云推薦，深入挖掘用戶歷史行為記錄，根據用戶偏好向用戶推薦其可能感興趣的商品；另外，進一步改進云計算平臺下推薦方法并行化，在分布式大數據云平臺下實現推薦系統近似度并行化，并對并行云平臺下推薦方法并行化解析優化，使其在處理商品大數據時執行效率和精確度更高。在當今電商平臺數據量大的分布式環境中具有推薦精準、效率高、魯棒性好、跨平臺能力強、硬軟件要求低的獨特優勢。

技術領域

本申請涉及一種網購商品大數據云平臺推送系統，特別涉及一種商品大數據并行云平臺推薦精準推送系統，屬于電商云計算推送技術領域。

背景技術

隨著互聯網技術和信息技術的飛速發展，大數據時代已經來臨。然而隨著數據量的不斷增大,從海量數據中獲取對人們有價值的信息正在變的越來越困難，信息過載問題日趨嚴重。搜索引擎在一定程度上解決了這一問題。但當前的搜索引擎只能根據用戶相對明確的需求進行搜索。但很多時候，人們并不能明確的描述自身的需求，甚至不知道如何描述自身需求,推薦系統根據用戶歷史行為，向用戶主動推送用戶想要的信息，并不需要用戶描述自身需求。電商推薦系統是一種軟件工具和技術方法，它可以向用戶建議有用的商品。當前推薦系統的實際應用已隨處可見，如淘寶、亞馬遜、京東、優酷等都有自己的推薦系統，但推薦效果并不完全令人滿意，推薦方法依然有很大的進步空間。此外隨著數據量的急劇增大，推薦效率不高的問題日益凸顯。能否將最新的大數據處理技術改進后運用到商品推薦系統中，成為解決網購推薦系統效率不高的一種可行方案。

推薦系統發展至今已有30多年的歷史。早期推薦系統是基于內容的，通過提取商品自身特征信息進行推薦，隨著推薦范圍的不斷擴大，這種推薦方法的局限性也逐漸顯露出來，于是各種新的推薦方法相繼出現，2007年ACM推薦系統會議正式成立。

自從2006年Netflix的電影推薦系統比賽舉辦以來，隱語義模型迅速成為熱點，這當中比較有名的是基于SVD的模型,但SVD分解存在計算復雜,存儲空間大的問題,無法用于實際的推薦系統，NetflixPrize大賽中FunkSVD方法的提出，才真正使基于SVD模型的推薦方法能用于實際的推薦系統中。

目前推薦系統廣泛運用于音視頻網站、社交網絡、新聞網站、個性化廣告、電子商務等。像阿里、騰訊、優酷等互聯網大公司也早將自己的推薦業務遷移到云平臺上。

但是，現有技術的商品大數據電商平臺推薦推送系統仍然存在若干問題和缺陷，本申請解決的問題和關鍵技術難點包括：

(1)當前電子商務領域信息過載問題越來越嚴峻，消費者面對海量的商品無法做出正確的選擇，而電商平臺又無法針對性個性化的進行商品推薦，導致推薦系統的商品推薦精準度較差，有時間甚至造成消費者的反感，而如果要提高推薦精度，需要綜合大量的數據進行大量的計算，但受制于硬軟件等各方面的限制，大數據復雜計算下的商品推薦性價比依舊不高，存在成本高、速度慢、準確度依然不夠的缺陷，推薦系統依然無法有效解決商品信息過載問題，當前亟需一種高效的商品推薦系統作為聯系用戶與商品的橋梁，通過深入挖掘用戶歷史行為記錄，獲取用戶偏好，根據用戶偏好向用戶推薦其可能感興趣的商品，因此亟需提升推薦方法的推薦準確度，解決傳統推薦系統面對海量數據工作效率低下的問題，將大數據處理技術改進后應用到推薦系統中，解決當前電商推薦系統工作效率低下的問題。